ssd源码相比于caffe架构主要添加了flatten,normal,prior,detection,multibox等层，其中最重要的难点是multibox层和multibox，通过学习ssd源码可以更加深刻的了解ssd的使用原理.而源码链接为：ssd算法源码
ssd算法架构综述
本文讲解ssd源码，所以不介绍ssd的理论知识
-
ssd算法的损失函数由两部分组成：一个类别预测，一个位置的线性回归。它们对应的前向传播层能够在网络结构文件中找到norm_mbox_conf层和norm_mbox_loc层，这些层也实现了反向传播用于计算预测类别损失以及位置回归损失。
-
通过网络结构能够发现还有一个前向传播的分支为mbox_priorbox层，奇怪的是此层没有反向传播，其实这层仅仅是计算norm_mbox_loc对应于原图的大小，有了mbox_priorbox层来获取原图的比例，norm_mbox_loc就能够通过比例来计算出所处于原图具体的什么位置了。
-
ssd中的难点理解主要是detection_output_layer和multibox_loss_layer，但是理解了multibox_loss_layer后detection_output_layer就容易理解了，因为前者比后者多出来反向传播用来计算损失函数来更新参数。
-
其实caffe的卷积层的实现远远比multibox_loss_layer复杂，所以不要太担心学习ssd算法源码将会十分困难。
具体将在下文叙述detection_output_layer和multibox_loss_layer。
detection_output_layer层和multibox_loss_layer层的输入
找到对应的train.prototxt和deploy.prototxt文件，并且索引MultiBoxLoss和DetectionOutput,可以发现前者比后者多了一个label层的输入，可以知道两者网络结构大概相同，并且前者需要通过label层来计算损失函数更新参数
两者的公共输入为 :
- bottom: “mbox_loc”
- bottom: “mbox_priorbox”
区别为:
- train: bottom: “mbox_conf”
- deploy: bottom: “mbox_conf_flatten”
而mbox_conf_flatten是将mbox_conf进行了softmax操作后的结果。可以在train.prototxt和deploy.prototxt进行比对。
mbox_loc解析
其中mbox_loc对应为：
layer {
name: "mbox_loc"
type: "Concat"
bottom: "conv4_3_norm_mbox_loc_flat"
bottom: "fc7_mbox_loc_flat"
bottom: "conv6_2_mbox_loc_flat"
bottom: "conv7_2_mbox_loc_flat"
bottom: "conv8_2_mbox_loc_flat"
bottom: "conv9_2_mbox_loc_flat"
top: "mbox_loc"
concat_param {
axis: 1
}
}
- 可以得知，而mbox_loc中的conv4_3_norm_mbox_loc_flat的维度为: n x (38 x 38 x 4 x 4) x 1 x 1
- 存储的分别代表blob中的样本数(n) x 通道数© x h x w ,因为n, c, h, w默认为1,而38 x 38表示的是经过卷积后的图片大小，紧跟着的是候选框的数量为4，最后的一个4表示的是一个候选框的长宽以及中心点的x,y坐标。其他的输入层同理。
- 而mbox_loc实现的是将第二个通道（c）合并在一起，合并后的通道含义不变(这里需发挥自己的想象理解一下)
- 我的废话：为了更好的理解，我一般只考虑conv4_3_norm_mbox_loc_flat，然后通过类比的方法最终应用到整个mbox_loc上去(依旧需要发挥自己想象)。
mbox_conf解析
mbox_conf 对应为：
layer {
name: "mbox_conf"
type: "Concat"
bottom: "conv4_3_norm_mbox_conf_flat"
bottom: "fc7_mbox_conf_flat"
bottom: "conv6_2_mbox_conf_flat"
bottom: "conv7_2_mbox_conf_flat"
bottom: "conv8_2_mbox_conf_flat"
bottom: "conv9_2_mbox_conf_flat"
top: "mbox_conf"
concat_param {
axis: 1
}
}
同理可以知道:
- conv4_3_norm_mbox_conf_flat为:n x (38x 38 x 4 x 2) x 1 x 1
- 其中n为样本数，38 x 38 为卷积后图像大小，4为候选框大学，2为类别
mbox_priorbox解析
mbox_priorbox对应为：
layer {
name: "mbox_priorbox"
type: "Concat"
bottom: "conv4_3_norm_mbox_priorbox"
bottom: "fc7_mbox_priorbox"
bottom: "conv6_2_mbox_priorbox"
bottom: "conv7_2_mbox_priorbox"
bottom: "conv8_2_mbox_priorbox"
bottom: "conv9_2_mbox_priorbox"
top: "mbox_priorbox"
concat_param {
axis: 2
}
}
同理，
- conv4_3_norm_mbox_priorbox对应为: n x 2 x (38 x 38 x 4 x 4) x 1
- mbox_priorbox合并的是第三个通道(h)，其中第二个通道©是0时是原图坐标轴，为1为相应坐标轴下的variance值，variance是为了使得位置回归训练的速度更快。
接下来，可以查看detection_output_layer层源码解析